הקדמה

בשיעור הקודם למדנו לנהל את המידע שלנו בעזרת dplyr ו tidyr .

בשיעור הזה נתמקד בשתי נושאים חשובים:

  • איך לייצר גרפים ב R
  • בעזרת ggplot2
  • הכרות עם עוד ספריות גרפיקה

מטרות

  • להבין את הבסיס של ggplot2 ליצור גרפים
  • להכיר חלק מהחבילות הגרפיות האחרות

ggplot2 - שפה של גרפיקה

יש הרבה אפשרויות ליצר גרפים ב R . החל מיצירת גרפים בעזרת הפקודות הבסיסיות ב R ועד שימוש בחבילות D3 למיניהם. אבל, הבולטת מבין עשרות החיבלות היא ggplot2 - אחת החבילות הבולטות ב tidyverse .

החבילה תפסה מקום מרכזי בעיקר בזכות השפה העקבית והברורה שבה היא משתמשת והאפשרות לשלב מספר גרפים זו על גבי השניה בצורה קלה ומהירה.

פילוסופית החבילה

הפילוסופיה הבסיסית של החבילה היא לעבוד בשכבות, דבר המקובל מאוד בעולם עיצוב גרפי…

העקרונות של בניית גרף הן:

  • כל גרף מורכב מאובייקט בסיס שעליו מוסיפים שכבות

  • כל שכבה היא פקודה גרפית בפני עצמה וניתן לשים אחת על גבי השניה בעזרת הסימן +

  • השכבות שולטות בתוכן (סוג גרף) באסטטיקה ובעיצוב של הגרף

  • ניתן לשמור את התוצאות בתור אובייקט ולהשתמש בהן אחר כך ולהוסיף עליהם עוד ועוד שכבות

חלקי הגרף

הפקודות של ggplot מורכבות ממספר פרמטרים שניתן להגדיר בכל שכבה:

  • data - הטבלה בה הנתונים נמצאים
  • aesthetics - המשתנים והתפקיד שלהם בגרף
  • geometric object - סוג הגרף שרוצים פקודות המתחילות ב geom_
  • scale - פרמטרים לעיצוב הגרף
  • facet_wrap - גרפים לפי קבוצות
  • statistics - פרמטרים סטטיסטים לגרף
  • coordinates - קוארדינטות
  • themes - סגנונות כלליים

יצירת אובייקט ggplot

כדי לייצר גרף, חייב להיות אובייקט בסיסי שאפשר לבנות עליו. את האובייקט הזה בונים בעזרת הפקודה ggplot הכוללת את שם הטבלה ממנו שולפים את הנתונים ובד“כ התייחסות לנתונים שרוצים להשתמש בהן (אם כי זה לא חובה).

לדוגמא

library(ggplot2)
library(dplyr)

santander_grp <- Santander_sample %>% 
                filter(renta>1000 & renta<1000000) %>% 
                group_by(fecha_dato, segmento, ind_cc) %>% 
                slice(1:1000)

N_month_seg <- Santander_sample %>% 
               group_by(fecha_dato, segmento) %>% 
               summarise(n_pop = n(),
                         sum_cc = sum(ind_cc))

ggplot( data = santander_grp)

Aesthetics - בחירת נתונים

השלב הבא הוא לבחור את התפקיד שאנו רוצים שכל משתנה ישחק.

את זה עושים בעזרת הפקודה aes.

חשוב: בכל פעם שרוצים לפנות לשם של משתנה צריך להשתמשת בפקודה aes

בד“כ נגדיר את התפקידים הבסיסיים של המשתנים כשיוצרים את האובייקט, בתוך פקודת ה ggplot .

לדוגמא אם נרצה את segmento על ציר ה x ואת renta על ציר ה y , נכתוב משהו כזה:

ggplot(data= santander_grp, aes(x = segmento , y = renta))

מספר נקודות נוספות:

  • בכל אחד מהשכבות ניתן להגדיר תפקיד למשתנים בעזרת aes

  • ניתן להגדיר בשכבות שונות משתנים מטבלאות שונים - כל עוד הם בעלי אותו שם

  • אם לא מציינים באותו שכבה טבלת נתונים, הפקודה ישתמש בטבלת הנתונים שהוגדרה בפקודה ggplot

geometry - בחירת סוג גרף

השלב הבא הוא לבחור שכבה הקובעת איזה גרף אנו רוצים להציג.

כל סוגי הגרפים שניתן להציג מתחילים ב geom_

אם תתחילו לכתוב את זה יצוצו לכם כל האפשרויות.

השימושיים ביותר:

  • geom_histogram - היסטוגרמה
  • geom_bar - למשתנים בדידים
  • geom_point - פיזור
  • geom_jitter - פיזור לא חופף
  • geom_line - חיבור בין נקודות
  • geom_smooth - יצירת גרף spline או כל החלקה אחרת
ggplot(data= santander_grp, aes(x = age , y = renta)) +
  geom_point()

ggplot(data= santander_grp, aes(x = age )) +
  geom_histogram()

  • אפשר להוסיף שכבות של גרפים בעזרת +:
ggplot(data= santander_grp, aes(x = age , y = renta)) +
  geom_point() +
  geom_smooth()

scales - בחירת פרמטרים גרפיים

עיצוב הגרף נעשה בעזרת הגדרת הפרמטרים ל scales שרוצים לעצב.

הפרמטריים הנפוצים ביותר:

  • color - צבע הקו או מסגרת
  • fill - צבע למילוי האובייקט הגרפי
  • size - גודל האובייקט הגרפי
  • shape - צורת האובייקט הגרפי
  • line type - סגנון קו

את הפרמטרים לעיצוב הגרף ניתן להגדיר בשלוש מקומות:

  1. בתוך פקודת ה geom_ בצורה רגילה
  2. בתוך פקודת ה geom_ בשילוב עם משתנה בעזרת aes
  3. בתוך שכבה נוספת של scale_ לגרף

בתוך גאומטריות

למשל לצייר היסטוגרמה עם מילוי כחול ומסגרת שחורה נכתוב:

ggplot(data= santander_grp, aes(x = age )) +
  geom_histogram( fill = "blue", color = "black")

בתוך גאומטריות עם משתנים

אבל אם רוצים להשתמש בפרמטרים צריך להשתמש בתוך הפקודה aes. למשל, הפקודה

ggplot(data= santander_grp, aes(x = age )) +
    geom_histogram(aes(fill = segmento))

ואפילו אפשר לבחור scales לפי תנאי על משתנה, למשל:

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_jitter(aes(color = age<35))

מחוץ לגאומטריות

לבסוף, ניתן להשתמש ב scales בחלקים אחרים של הגרף כדי להוסיף כותרות וכו’

library(scales)

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point(aes(color = segmento)) +
    scale_y_continuous(limits = c(0,250000), label = comma) +
    scale_x_continuous(limits = c(20,85)) 

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point(aes(color = segmento)) +
    scale_y_continuous(limits = c(0,250000), label = comma) +
    scale_x_continuous(limits = c(20,85)) +
    scale_color_brewer(palette = 2)

דברים כלליים

בעזרת מספר פקודות אפשר לתת שמות לצירים וכותרת לגרף

  • labs(title, xaxis, yaxis) - מתן שמות לצירים ולכותרת
  • xlabs - קיצור למתן שם לציר ה x
  • ylabs - קיצור למתן שם לציר ה y
  • ggtitle - קיצור למתן שם לכותרת

ואפשר לשלוט במקראה בעזרת

  • guides - שליטה על חלק מהפרמטרים של המקראה
ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point(aes(color = segmento)) +
    geom_smooth(aes(linetype = age<35)) +
    scale_y_continuous(limits = c(0,250000), label = comma) +
    scale_x_continuous(limits = c(20,85)) +
    scale_color_brewer(palette = 2) +
    labs(title = "this is the Title"
         , x = "Look behind you"
         , y = "Dont look down")

תתי גרפים - facet_wrap and facet_grid

ראינו איך לצייר גרף לפי קבוצות עם צבעים… אבל אם נרצה גרף נפרד לכל קבוצה נציין זאת בפקודה facet_wrap ככה:

facet_wrap(~grpVar)

אם נרצה לפי שורות :

facet_wrap(grpVars~)

ולפי שני מימדים:

facet_grid(grpVar1~grpVar2)

למשל:

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point() +
    geom_smooth() +
    facet_wrap(~segmento)

כפי שאתם רואים הצירים כבר לא מתאימים לכל קבוצה

ואם רוצים לשחרר את הצירים כדי שנוכל לראות מה קורה:

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point() +
    geom_smooth() +
    facet_wrap(~segmento, scales = "free")

ואם רוצים לפי שתי משתנים משתמשים ב facet_grid ככה:

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point() +
    geom_smooth() +
    facet_grid(sexo ~ segmento, scales = "free")

סטטיסטיקות - statistics

ישנם הרבה גרפים שקוראים להם והם עושים שלב ביניים סטטיסטי לפני שמציירים את הגרף.

למשל, היסטוגרמה סופרת את המקרים של כל קבוצה, ועוד…

ניתן לשלוט ולשנות את הניתוח הסטטיסטי שנעשה (לדוגמא אם רוצים אחוזים במקום ספירה) על ידי הגדרת הסטטיסטי של אותו גרף

אפשר לשלוט על פרמטרים סטטיסטים של האובייקט בתוך השכבה של הגרף, למשל מספר התאים בהיסטוגרמה או בדוגמא שלנו, שיטת ההחלקה:

ggplot(data= santander_grp, aes(x = age , y = renta)) +
    geom_point() +
    geom_smooth(method = "lm" )  +
    facet_wrap(~segmento, scales = "free")

אחד הסטטיסטיקות היותר שימושיות הוא - ללא סטטיסטיקה.

זה שימושי במיוחד כשהנתונים שלנו כבר עברו עיבוד סטטיסטי ואנחנו רק רוצים להציג את התוצאות ב geom_bar

הפקודה במקרה זה הוא stat = "identity"

ggplot(data= N_month_seg, aes(x = fecha_dato , y = n_pop)) +
geom_bar(stat = "identity") +
facet_wrap(~segmento)

מיקום - position

ניתן גם לשלוט על אופן ההצגה של הגרף כשיש משתנה קבוצתי בעזרת position

דבר זה שימושי בעיקר במקרה הבא:

ggplot(data= N_month_seg, aes(x = fecha_dato , y = n_pop)) +
geom_bar(stat = "identity", aes(fill = segmento))

ggplot(data= N_month_seg, aes(x = fecha_dato , y = n_pop)) +
geom_bar(stat = "identity", aes(fill = segmento), position = "fill") 

ggplot(data= N_month_seg, aes(x = fecha_dato , y = n_pop)) +
geom_bar(stat = "identity", aes(fill = segmento), position = "dodge")

ggplot(data= N_month_seg, aes(x = fecha_dato , y = n_pop)) +
geom_bar(stat = "identity", aes(fill = segmento),alpha=0.3, position = "identity")

קואורדינטות - coordinates

לפעמים גם צריכים לשנות את סוג הקוארדינטות. או את הסגנון שלהם

הדבר בעיקר שיומשי אם רוצים להחליף את הצירים . למשל:

ggplot(data= N_month_seg, aes(x = fecha_dato , y = n_pop)) +
geom_bar(stat = "identity", aes(fill = segmento), position = "fill") +
  coord_flip()

ggplot(data = santander_grp, aes(x = nomprov, y = renta)) +
  geom_boxplot(aes(fill = nomprov)) +
  coord_flip() +
  guides(fill = "none")

themes

על כל שאר האספקטים של הגרף ניתן לשלוט בעזרת פקודת ה theme

לא ניכנס לכל הפרטים של הקוד - במקום זה נלמד איך להשתמש ב add -in שהורדתי עבורכם בשם

themeAssistant .

  • תסמנו את הגרף שלכם
  • תנווטו עם העכבר ל Addins
    • theme Assistant

מבין המוני הדברים שאפשר לעשות ב theme נדגים אחד , שיקטין לנו את ה font בציר ה y:

ggplot(data = santander_grp, aes(x = nomprov, y = renta)) +
  geom_boxplot(aes(fill = nomprov)) +
  coord_flip() +
  guides(fill = "none") +
  theme(axis.text.y =element_text(size = 5) )

שילוב עם dplyr

מומלץ להשתמש בשתי הבילות dplyr ו ggplot2 ביחד , במיוחד כשמעבדים נתונים רק לצורך גרפי.

רק תשימו לב לא להתבלבל בין ה + לבין ה %>% .

למשל אם נרצה לסנן את הנתונים לפני ההצגה:

santander_grp %>% 
  filter(renta<100000 & age>20 & age<50) %>% 
    ggplot( aes(x = age , y = renta)) +
      geom_point() +
      geom_smooth() +
      facet_wrap(~segmento, scales = "free")

דוגמאות לחבילות גרפיקה אחרים

בשנים האחרונות יש פיצוץ בסוגי הגרפים תומכי html שניתן לייצר.

כאן אדגים רק את התוצרים של חלק מהם…

d3heatmap

d3heatmap - creates interactive D3 heatmaps including support for row/column highlighting and zooming.

library(d3heatmap)
d3heatmap(mtcars, scale="column", colors="Blues")

Dygraphs

Dygraphs - provides rich facilities for charting time-series data in R and includes support for many interactive features.

library(dygraphs)
dygraph(nhtemp, main = "New Haven Temperatures") %>% 
  dyRangeSelector(dateWindow = c("1920-01-01", "1960-01-01"))

highcharter

highcharter - make graphs in th Java Highlighter style: